考虑非期望产出与外部管理环境下的农业生产效率及其地区分异研究

孙吴婕 王蕾

摘要：将非期望产出纳入考量，并剥离外部环境的影响，利用改进的三阶段DEA模型测算2015—2019年全国农业生产效率，并分析地区分异。结果表明，外部环境因素显著影响农业生产效率。农民人均可支配收入提高土地和灌溉要素的配置，城镇化水平促进机械、劳动力和化肥等投入的生产效率，地方财政农林水事务支出的过度投资不利于农业生产效率提高，较高的教育水平可提升农户对机械、土地等要素的管控能力，工业化发展带动农业机械作业。剥离外部环境干扰后，全国农业生产效率发生了显著变化，5年内的综合效率均值提高了0.07，纯技术效率提高了0.05，规模效率降低了0.01。将第三阶段全国农业生产效率分为4个类型，中部的效率“高高型”居多且分布均衡；东部次之，但存在轻微的发展失衡现象，部分地区长期为“低低型”；西部的效率分布极度不均衡，“高高型”和“低低型”间两极分化严重。基于此，从外部环境和地域特征两个角度提出推进农业建设的策略。

关键词：农业生产效率；非期望产出；外部环境；三阶段DEA模型；SBM模型

中图分类号：F323；F224         文献标识码：A

文章编号：0439-8114（2023）11-0214-07

DOI：10.14088/j.cnki.issn0439-8114.2023.11.037 开放科學（资源服务）标识码（OSID）：

Study on agricultural production efficiency and its regional differentiation under the environment of unexpected output and external management

SUN Wu-jiea，WANG Leia，b

（a.School of Business；b.Research Center for Systems Engineering and Management Innovation，Hohai University，Changzhou  213022，Jiangsu，China）

Abstract：Taking the unexpected output into account and stripping the impact of the external environment， the improved three-stage DEA model was used to calculate the national agricultural production efficiency from 2015 to 2019， and the regional differentiation was analyzed. The results showed that the external environmental factors had a significant impact on agricultural production efficiency. The per capita disposable income of farmers improved the allocation of land and irrigation factors， the urbanization level improved the operation efficiency of machinery， labor and chemical fertilizer， the local financial expenditure on agriculture， forestry and water affairs was not conducive to agricultural production efficiency， the improvement of education level promoted farmers ability to control machinery， land and other factors， and the development of industrialization drove the operation of agricultural machinery. After stripping the external environmental interference， the national agricultural production efficiency had changed significantly. The average comprehensive efficiency in five years had increased by 0.07， the pure technical efficiency had increased by 0.05 and the scale efficiency had decreased by 0.01. In the third stage， the national agricultural production efficiency was divided into four types. The efficiency “high high type” in the middle was mostly and evenly distributed； the east was second， but there was a slight imbalance in development， and some areas had been “low low type” for a long time； the efficiency distribution in the west was extremely uneven， and the polarization between “high high type” and “low low type” was serious.Based on this， the strategies were put forward to promote the agricultural construction from the perspectives of external environment and regional characteristics.

Key words：agricultural production efficiency； unexpected output； external environment； three-stage DEA model；SBM model

截至2021年，中共中央连续18年聚焦“三农”问题，强调加快推进农业现代化。得益于中国的政策扶持，近年来农业农村发展取得历史性成就，然而，在粮食产量呈上升态势的同时，农业生产过程中也引发了不可忽略的环境污染。据《第二次全国污染源普查公报》显示，中国农业面源污染日趋严重。因此，在保护环境的刚性约束下，如何保障中国农业的可持续发展是推进农业建设过程中必须解决的问题。

农业生产效率是研究的焦点，备受国内外学者关注。就研究方法而言，Charnes等［1］基于Farrell［2］的模型正式提出DEA模型。随后，Fried等［3］认为原始模型未考虑环境因素与随机噪声对决策单元（DMU）的干扰，进而提出了三阶段DEA模型。既有学者借鉴国外研究，采用三阶段DEA模型对农业生产效率进行测算，研究发现剔除环境因素后，效率发生明显变化［4-6］。考虑到三阶段DEA模型仍有缺陷，如在测量有差异的DMU时产生更大的调整误差，无法排除外部隨机误差的影响等［7，8］，孟晓霞等［7］、陈池波等［8］、刘宏笪等［9］运用不同方法修正了三阶段DEA模型，使测算结果更真实。然而，修正的三阶段DEA模型解决了外部随机误差对生产效率的干扰，但未将非期望产出纳入产出的范畴。若要得出更科学的结果，须纳入非合意产出，运用SBM模型测算农业生产效率。从环境因素来看，学者们从不同的方面选取环境指标对农业生产效率的影响因素进行了分析，但由于方法不同，研究结论存在差异。如高帆［10］用DEA-ML指数分析发现1992—2012年农业财政支出占比有利于全国农业全要素生产率的提高，而在对相似时空范围的农业生产效率测量时，宋科艳等［11］得到了相反的结论。

综上，为剔除外部环境的影响，学者们借助三阶段DEA模型测量了农业生产效率，他们的研究成果为本研究提供了重要的借鉴思路，但仍然没能考虑到以下几个方面：第一，鲜有学者考虑到农膜残留、氮磷流失等非期望产出，缺乏将SBM模型引入三阶段DEA模型的实证研究；第二，学者们对外部环境因素进行分析时，使用不同的效率测度方法，常得出不同的结论。因此，在把非期望产出纳入三阶段DEA模型后，环境因素对生产效率的作用机制是否与前人研究一致，仍须进一步分析。因此，本研究选取2015—2019年的省际数据，依托改进的三阶段DEA模型，此模型的创新之处在于将非期望产出纳入中国农业生产效率的测量之中，最终为中国进一步优化农业生产资源配置，改善相关管理措施提供依据。

1 研究方法与指标选取

1.1 研究方法

本研究采用Fried等［3］提出的三阶段DEA模型，此模型通过分离环境因素等对效率的干扰，实现对DMU效率水平的有效估量。基于对农业生产过程中产生了大量污染这一现状的考量，本研究将非期望SBM模型引入其中，该模型由Tone等［12，13］在传统DEA模型基础上提出。修正后的模型由如下三个阶段构成。

第一阶段：除了将非期望产出纳入考量，为比较诸多个处于生产前沿面的DMU，本研究选择了Super-SBM模型。假定DMU有N个，F个投入变量，[Z]个期望产出变量和W个非期望产出变量，则此模型可表达为：

[γ=min1+1Fo=1fS-oxoq1-1Z+W（u=1ZS+uyuq+v=1WSc-vcvq）]     （1）

s.t.  [g=1，g≠gqNxgσg-S-≤xq（o=1，…，f）g=1，g≠gqNygσg+S-≥yq（u=1，…，Z）g=1，g≠gqNcgσg-Sc-≤cq（v=1，…，W）1-1Z+W（u=1ZS+uuuq+v=1WSc-vccq）>0σg、S-o、S+u、Sc-v≥0（g=1，…，N，g≠gq）] （2）

式中，[γ]表示综合技术效率，包含纯技术效率和规模效率两部分；[S-o]为投入松弛量，[S+u]为期望产出的松弛变量，[Sc-v]为非期望产出的松弛量；[σg]为强度变量；[xq]、[yq]、[cq]为[DMUq]的投入、产出、非期望变量；如果[S-]、[S+]、[Sc-]互不相等，则[γ不为]1，代表DMU无效率；如果[S-]、[S+]、[Sc-]三者相等，则DMU有效。

第二阶段：在剥离外部环境与统计噪声等对效率干扰时，学者们普遍采用相似SFA模型进行这一操作，公式如下：

[Sfj=f（Aj;αf）+σfj+τfj]                 （3）

式中，f表示有f项投入；j表示j个决策单元；[Sfj]为投入松弛量；[f（Aj;αf）]表示外部环境对[Sfj]的影响；[σfj]～N（0，[δ2σf]），表示随机因素的影响；[τfj]～[N+]（[δf]，[δ2τf]），表示管理的失效；[γ=δ2τfδ2τf+δ2σf]，当[γ]趋近于1，管理失效作用更明显；当[γ]趋近于0，随机因素影响更明显。

运用式（4）调整每个DMU的投入量，公式如下：

[yfj]=[yfji+]［[maxjAjαf]-[Ajαf]］+［[maxjσfj]-[σfj]］，j= [1，…，?] ；f= [1，…，e]    （4）

式中，[yfji]、[yfj]分别为调整前后的投入变量。因环境变量和随机因素的影响被剥除，调整后的投入变量将处于相同的外部环境中。

第三阶段：选择调整后的投入变量作为新投入指标，再次用Super-SBM模型测得所需效率。

1.2 数据来源与指标选取

1）数据来源。为了观察全国农业生产效率的时空变化，本研究选取2015—2019年为期5年全国31个省（市、自治区）的面板数据，数据均来源于《中国统计年鉴》和各省市统计年鉴。

2）投入产出指标。参考已有的研究成果［4-10，14，15］，学者们常从劳动力、土地、机械等方面选取农业生产的投入指标，采用农业产值、农业面源污染作为产出指标，本研究结合数据的可获得性和统计口径的一致性，选择以下变量：投入指标包含农林牧渔业从业人员、化肥施用量、农作物播种面积、农业机械总动力和有效灌溉面积；期望产出指标为按照2015年为基期、利用CPI指数进行平减计算得到的农林牧渔业总产值；非期望产出指标为农膜残留、农药残留、氮肥流失和磷肥流失，4个变量由农膜、农药、氮肥和磷肥流失的使用量乘以第一次农药流失系数得到。

在做进一步分析前，需对上述指标进行Pearson相关性检验，详见表1。除少数指标外，投入产出指标几乎都通过了1%的显著性检验，表明上述指标选择具有合理性，适应进一步分析。

3）环境变量。不同地区的环境差异使其农业生产效率暴露在不同的背景中，导致在比较时存在偏差。黄伶俐等［16］研究发现农户的生产积极性随着农民人均可支配收入的增长而提高，预期该指标有利于农业生产效率；城镇化水平以城镇人口占比衡量，城镇人口越多意味着农业工作者越少，有学者指出人口城镇化有碍农业生态效率［17］，预期该指标不利于生产效率；地方财政农林水事务支出反映政府对农业基础设施和农技的补贴强度，张春梅等［18］指出为促进农业生产应加大财政补贴，预期该指标促进农业生产效率；教育水平反映农户受教育程度，本研究采用康继军等［19］的赋值方法计算得出。高素质的农户有更高的接受新农技意愿，预期该指标促进农业生产效率；工业化发展水平通过第二产业GDP与总GDP之比衡量，已有研究表明工业化促进耕地的有效利用［20］，因此预期该指标有利于农业生产效率。本研究选择农民人均可支配收入、城镇化水平、地方财政农林水事务支出、教育水平和工业化发展水平作为环境变量，其中，农民人均可支配收入和地方财政农林水事务支出按照2015年为基期，用CPI指数平减后计算得出。

具体的指标体系见表2。

2 结果与分析

2.1 第一阶段：SBM模型结果分析

利用MATLAB软件测量Super-SBM模型下从2015年开始为期5年的全国农业生产效率，图1显示了全国以及东中西部2015年、2017年、2019年的效率数据。就全国而言，2015—2019年综合技术效率、纯技术效率和规模效率均值分别为0.63、0.75、0.85，可见5年间农业生产没能达到最佳的状态。其中，规模效率对综合技术效率的贡献更大。5年间东部的综合技术效率、纯技术效率和规模效率均值分别达0.88、1.00、0.86，中部的三大效率均值分别达0.35、0.50、0.80，西部的三大效率均值分别达0.63、0.75、0.89。由此可初步看出，东部地区的城市处于农业生产效率前沿，其发达的农业技术为农业生产效率提供了坚实的基础；中部地区的农业生产效率落后于全国平均水平，技术差距是主要的抑制因素；西部地区的农业生产效率处于中间水平，其区域优势是拥有较高的规模效应。然而，未将外部环境剥离而测算得到的效率可能与真实值存在一定偏差，需要在下一阶段时将环境因素分离。

2.2 第二阶段：SFA回归模型结果分析

运用Frontier4.1软件构建5个回归模型，得到SFA回归结果，详见表3。对数似然函数值和似然比检验表明回归结果较好，环境变量对投入变量的作用几乎全部通过1%的显著性水平检验，说明环境变量对投入指标存在显著影响。

1）农民人均可支配收入。该环境因素与农作物播种面积、有效灌溉面积呈负相关且通过显著性检验。农民可支配收入提高的同时，农作物播种面积和有效灌溉面积投入过剩的现象逐渐缓解，与上述假设一致。然而，该环境因素与农林牧渔业从业人员和化肥施用量呈正相关且通过显著性检验，这可能是因为逐渐增长的收入促使农户积极投身于农业生产，倾向于购买化肥等易获得的肥料，由此导致过剩的劳动力和肥料。同时，该环境因素对农业机械总动力的作用并不显著，说明不同层次的农户收入水平对于机械总动力投入的作用差异不明显。

2）城镇化水平。该指标正向作用于有效灌溉面积和农作物播种面积，且通过了显著性检验。城镇化水平的提升导致土地要素投入过剩，最终不利于农业生产效率，这可能是因为城镇化挤占了耕地面积，而破碎的土地难以发挥生产的规模效应。但该环境指标与农业机械总动力、农林牧渔业从业人员和化肥施用量呈负相关且通过了显著性检验，说明城镇化让农户思考如何高效利用日益流失的劳动力和可以替代劳动力的农业机械设备，并缩减带来污染的肥料投入。

3）地方财政农林水事务支出。该环境指标与化肥施用量呈正相关但未通过显著性检验，与农作物播种面积、农业机械总动力、有效灌溉面积和农林牧渔业从业人员呈正相关且通过了显著性检验。地方财政支出越多，上述变量投入的冗余量越多，农业生产效率越低，这与预期不符，意味着财政支出未能得到应有的发挥，财政支出存在盲目性、缺乏合理性。

4）教育水平。該环境指标与农业机械总动力、农作物播种面积和有效灌溉面积呈负相关且通过了显著性检验，意味着具有高素质的农户对农业机械设备、播种面积和灌溉面积的管控能力越强，农业生产效率也随之提高。但是，该环境指标与农林牧渔业从业人员和化肥施用量呈正相关且通过了显著性检验，说明教育水平无法通过控制劳动力投入和化肥投入提高生产效率。

5）工业化发展水平。该指标负向作用于农作物播种面积和农业机械总动力，且通过了显著性检验，这与预期相符，说明工业化水平可以带动农业机械作业，同时提高耕地利用率。但是，该环境指标与有效灌溉面积呈正相关但未通过显著性检验，与农林牧渔业从业人员、化肥施用量呈正相关且通过了显著性检验，意味着工业化发展造成了灌溉面积、劳动力和化肥三方面的投入冗余。

2.3 第三阶段：调整后SBM模型结果分析

投入变量调整后再次测算农业生产效率，得到最终结果，詳见表4，受制于篇幅，表中仅显示2015年、2017年和2019年的数据。

2.3.1 农业生产效率的时间维度分析 剔除环境因素干扰后，5年内农业生产效率发生了较大的改变，相较于第一阶段，农业综合技术效率和纯技术效率分别平均提高了0.07、0.05，但规模效率的均值降低了0.01。显然，在未调整前，环境因素制约了农业综合技术效率和纯技术效率，促进了规模效率。

将各地区置于统一的环境中，剥除随机因素的影响后，东部的农业综合技术效率、纯技术效率和规模效率反而下跌。优越的气候因素和经济因素为东部地区农业生产提供了优良的技术要素和管理要素，当这些优势被剥离后，效率下跌。中部的农业综合技术效率、纯技术效率和规模效率有所上升，表明中部的农业长期暴露在不利的生产环境中，当它们被剥离后，效率得到恢复。因此，中部的农业发展更需依托乡村振兴等国家战略，实行改革创新，以克服劣势的先天环境。西部的农业综合技术效率、纯技术效率有所上升，但规模效率有所下跌，技术贫困是抑制西部农业生产的重要因素，因此发展先进的农技是西部地区提高农业生产效率的必由之路。

2.3.2 农业生产效率的区域维度分析 本研究参考贺志亮等［5］的做法，将0.9设置为临界点，把全国的农业生产效率分成4个类型，将纯技术效率和规模效率均达到0.9的DMU称为“高高型”，仅纯技术效率达到0.9的DMU称为“高低型”，仅规模效率达到0.9的DMU称为“低高型”，纯技术效率和规模效率都未达到0的DMU称为“低低型”。详见图2、图3、图4。

不论从时间或空间上来看，东部地区农业表现均不佳，其效率存在轻微的发展失衡现象。2015—2019年，东部不少省（市）无法长期将农业生产效率保持在高水平。浙江、福建、海南3地的纯技术效率和规模效率前期虽高于0.9，但后期无法维持稳定的状态，均出现了不同程度的下跌，浙江省在2017年后下滑为“低低型”，福建省在2017年下跌为“高低型”，在2018年又转为“低高型”，海南省在2019年下跌为“高低型”。如若这些省份想保持高效率的生产，必须发挥各自的产业优势，扶持农业科技发展，善于利用资源，向集约化经营转变；5年内，天津、辽宁、上海3地的纯技术效率和规模效率始终未达到0.9，且离该临界值有一定距离，属于效率“低低型”，这些省（市）未能在农技和生产规模上取得优势，与东部其他地区也存在较大的差距和改进空间。总之，东部地区农业生产缺乏稳定性，更应注重效率发展的持久性。

中部地区的效率最均衡，不少省份在5年间发生良性变化。吉林、合肥、湖南、内蒙古效率水平稳定，除内蒙古在2016年效率略有波动外，5年内各省（市）的纯技术效率和规模效率始终在0.9以上，甚至全部达到了1，属于典型的效率“高高型”，它们的农业生产效率极高，处于生产前沿面；此外，江西和黑龙江2地在2017年都借力科技发展，纯技术效率有所增长，黑龙江由“低低型”跃至“高低型”，江西由“低高型”成功转为“高高型”。相较于东西部而言，5年来中部发展更为稳定，应继续保持。

西部地区发展存在极度不均衡的状况，广西、四川、贵州、西藏、陕西、青海均处于效率“高高型”，但剩余的地区全部处在效率“低低型”，且这种情况在2015—2019年期间从未得到改善，2017年新疆的纯技术效率甚至有所下降，最终跌出“高低型”，这可能是因为新疆农户科技文化素质较为落后，无法将农技有效转化。总之，西部地区农业生产效率发展失衡，存在严重的效率断层，农业优势省的高发展无法惠及农业弱势省。若要实现有效农业生产，西部必须协调区域内的资源配置，实现共同发展。

3 小结与建议

3.1 小结

为测算更真实、科学的农业生产效率，将非期望产出纳入考量，并剥离外部环境的影响，利用改进的三阶段DEA模型测算2015—2019年为期5年全国的农业生产效率，结论如下。

第一，外部环境因素显著影响着农业生产效率的真实值。农民人均可支配收入提高了农作物播种面积和有效灌溉面积的配置，但也增加劳动力和肥料的冗余值。城镇化水平提高了机械总动力、农林牧渔业从业人员和化肥施用量的作业效率，但也导致农作物播种面积和有效灌溉面积的过剩。地方财政农林水事务支出未能得到应有的发挥，造成了机械总动力、劳动力、农作物播种面积和有效灌溉面积的浪费。教育水平的提高会加强农户对机械设备、播种和灌溉面积的管控能力，但无法有效利用劳动力和化肥投入。促进工业化发展可以带动农业机械作业，提高耕地利用率，但也会浪费灌溉面积、劳动力和化肥的投入。

第二，剥离外部环境干扰后，全国农业生产效率发生了显著变化。相较于第一阶段，虽然5年内农业综合技术效率和纯技术效率在第三阶段有所上升，但规模效率却存在下跌的现象。其中，东部的农业综合技术效率、纯技术效率和规模效率均存在明显的下跌；中部的农业生产效率得到恢复；除规模效率下跌外，西部的农业综合技术效率、纯技术效率有所上升。

第三，将第三阶段全国农业生产效率以0.9为效率临界值，分为4个类型。2015—2019年，中部地区的农业生产效率均衡且稳定，如吉林、合肥、湖南、内蒙古4地效率高且稳定，黑龙江、江西2地呈优良的发展态势；东部次之，其效率存在轻微的发展失衡现象，如浙江、福建、海南3地无法维持高效率，天津、辽宁、上海3地长期处于效率“低低型”；西部效率分布极度不均衡，存在严重的两极分化，2015—2019年广西、四川、贵州、西藏、陕西、青海均处于效率“高高型”，但西部其他地区均处在效率“低低型”，且5年内未曾改变。

3.2 建议

第一，改善外部环境，优化生产要素配置。如保障农户人均可支配收入，引导农民利用富余资金，购置合理的投入要素；有效规划城镇建设，吸收农村剩余劳动力，避免非必要的劳动力流失对农业生产的负面影响；加大财政补贴力度的同时，优化财政结构，缓解农村发展财政资金充足但财政资金错位的尴尬困境；提高农户素质，定期开展素质培训，培养农户接受先进农技的意识和使用农机的能力；发挥以工促农的正效益，借鉴工业化发展理念，推动农业现代化、产业化，实现科技兴农。

第二，各区域结合类型特点，因地制宜地推进农业建设。如东部地区农业生产应思考维持效率持久性、稳定性和协调性的措施，利用东部地区的经济优势，长久保持在农业生产效率的前沿面，发挥典型示范的作用；西部地区必须协调区域内部的资源配置，攻克低效率地区农业技术薄弱的难题，继续发挥自然资源优势，优化投入要素的配置结构，实现各地区协调发展；中部地区要保持自身区域间效率最协调的优势，不仅要吸收农业技术的先进经验，也要发挥农业生产规模效应，促进农业纯技术效率和规模效率共同提升。

参考文献：

［1］ CHARNES A，COOPER W W，RHODES E. Measuring the efficiency of decision making units［J］.European journal of operational research，1978，2（6）： 429-444.

［2］ FARRELL M J．The measurement of productive efficiency［J］.Journal of the royal statistical society，1957，120（3）： 253-281.

［3］ FRIED H O，LOVELL C A K，SCHMIDT S S，et al.Accounting for environmental effects and statistical noise in data envelopment analysis［J］. Journal of productivity analysis， 2002，17（1）：157-174.

［4］ 熊 鹰，郭耀辉，景晓卫，等.四川省重点生态功能区有机农业生产效率研究——基于三阶段DEA模型的实证分析［J］.中国农业资源与区划，2017，38（10）：162-170.

［5］ 贺志亮，刘成玉.我国农业生产效率及效率影响因素研究——基于三阶段DEA模型的实证分析［J］.农村经济，2015（6）：48-51.

［6］ 崔海洋，卓雯君，虞 虎，等.基于三阶段DEA模型的农业生产效率及其时空特征研究——以长江经济带为例［J］.中国生态农业学报（中英文），2021，29（7）：1243-1252.

［7］ 孟晓霞，曹洪军，焦 勇.我国农业生产技术效率评价研究——基于修正的三阶段DEA模型［J］.财经问题研究，2016（4）：124-129.

［8］ 陈池波，盛国勇.我国省域农业生产技术效率测度分析——基于四阶段DEA和Bootstrapped DEA的实证研究［J］.科技进步与对策，2014，31（3）：50-54.

［9］ 刘宏笪，张济建.我国省市区农业机械化生产效率测度分析——基于Bootstrap修正的三阶段DEA模型［J］.东北农业科学，2020，45（5）：132-138.

［10］ 高 帆.我国区域农业全要素生产率的演变趋势与影响因素——基于省际面板数据的实证分析［J］.数量经济技术经济研究，2015，32（5）：3-19，53.

［11］ 宋科艳，曹明福.转型时期中国农业生产效率及其影响因素研究［J］.财经问题研究，2014（8）：118-124.

［12］ TONE K. A slacks-based measure of efficiency in data envelopment analysis［J］. European journal of operational research， 2001，130（3）：498-509.

［13］ TONE K， TOLOO M， IZADIKHAH M. A modified slacks-based measure of efficiency in data envelopment analysis［J］. European journal of operational research， 2020， 287（2）：560-571.

［14］ 潘 丹， 應瑞瑶. 资源环境约束下的中国农业全要素生产率增长研究［J］. 资源科学， 2013，35（7）：1329-1338.

［15］ 张荧楠，张兰婷，韩立民. 农业生态效率评价及提升路径研究——基于山东省17个地级市的实证分析［J］.生态经济，2021，37（4）：118-124，131.

［16］ 黄伶俐， 章秀琴. 中国农业生态效率的时空演进规律及影响因素探析——基于非期望产出的SBM模型分析［J］. 洛阳师范学院学报，2021， 40（5）：50-54.

［17］ 尚 杰， 吉雪强， 陈玺名. 中国城镇化对农业生态效率的影响——基于中国13个粮食主产区2009—2018年面板数据［J］. 中国生态农业学报（中英文）， 2020，28（8）：1265-1276.

［18］ 张春梅，王 晨. 财政补贴与绿色农业生产效率相关性研究［J］.地方财政研究，2020（2）：79-87.

［19］ 康继军， 张宗益， 傅蕴英. 中国经济转型与增长［J］. 管理世界， 2007（1）：7-17，171.

［20］ 王 蕾，于成成，王 敏，等. 我国农业生产效率的政策效应及时空差异研究——基于三阶段DEA模型的实证分析［J］.软科学，2019，33（9）：33-39.